DISUSUN OLEH :
1.
2.
3.
4.
5.
UNIVERSITAS SEMARANG
2020
BAB I
PENDAHULUAN
A. Latar Belakang
Permasalahan perekonomian yang terjadi pada saat ini menjadi pusat perhatian
tersendiri dalam dunia bisnis hal ini disebabkan adanya krisis global yang melanda di
berbagai Negara di dunia, dampak dari krisis global juga melanda perindustrian dibidang
meubel. Salah satu contoh permasalahan didalam perindustrian meubel yaitu dibidang
permodalan, hal ini menyebabkan perusahaan harus mampu untuk mengelola keuangan agar
tidak terjadi kerugian. Untuk dapat mengelola masalah keuangan atau permodalan tersebut
perusahaan perlu adanya suatu perencanaan yang optimal, diantaranya yaitu tentang
tindakan perencanaan, baik perencanaan produksi ataupun perencanaan permintaan.
Perencanaan permintaan secara umum lebih dikenal dengan peramalan, peramalan
merupakan perhitungan yang objektif dan dengan menggunakan data-data masa lalu, untuk
menentukan sesuatu dimasa yang akan datang (Sumayang, 2003 : 24). Namun dalam
kaitannya dengan dunia perindustrian, perancanaan permintaan dikenal dengan forecase
permintaan, forecase permintaan merupakan forecase tentang jumlah produk yang akan
dipesan atau diminta pada periode yang akan datang. Forecase tersebut diperoleh dari data
permintaan produk pada periode sebelumnya. Dengan adanya peramalan tersebut, maka
perusahaan dapat mencapai tujuan serta pengambilan keputusan dalam produksinya namun
dalam kegiatan peramalan memerlukan penerapan metode-metode, hal ini bertujuan agar
bisa meminimalkan kesalahan peramalan.
Java Furniture adalah salah satu perusahaan yang bergerak dibidang industri meubel
yang berlokasi di Pakis, Kecamatan Wonosari, Klaten. Coffee Table merupakan salah satu
hasil produk Java Furniture yang lebih mendominasi dibandingkan dengan produk lain hal
ini disebabkan order Coffee Table tiap bulannya selalu diterima oleh perusahaan tidak
seperti produk lain yang belum pasti ada order pada tiap bulannya, selain itu jika dilihat dari
segi harga produk Coffee table lebih murah dari produk lainnya hal ini disebabkan
penggunaan bahan baku yang digunakan dalam proses produksinya relative lebih sedikit
serta lebih mudah atau singkat dalam pengerjaannya dibandingkan dengan yang lainnya.
Melihat ketertarikan konsumen dan kemudahan dalam proses produksinya serta adanya
order setiap bulannya maka perusahaan akan lebih mudah dalam pencapaian target
permintaan perbulannya, dalam hal ini perusahaan akan menerapkan peramalan dalam
target permintaan produk menggunakan metode smooting moving average single dan
double.
B. Tujuan
Makalah ini dibuat dengan tujuan agar hasilnya dapat memberikan manfaat yang sesuai
dengan apa yang dikehendaki.
Adapun tujuan penelitian ini adalah :
1. Untuk mengetahui berapa peramalan permintaan Coffee Table pada Java Furniture pada
tahun 2020 dengan metode Single Smooting Moving Average dan Double Smooting
Moving Avarage
Struktur organisasi Java Furniture menggunakan bentuk struktur organisasi line atau garis,
dimana saluran wewenang dan tanggung jawab penuh ada pada kepala bagian produksi.
Tugas masing-masing bagian dalam struktur organisasi Java Furniture adalah sebagai
berikut:
a. Direktur
b. General Manager
2) Memegang fungsi perencanaan global dengan penetapan tujuan, misi dan visi
perusahaan.
4) Membuat keputusan yang tidak dapat dilakukan oleh karyawan pada tingkat di
bawahnya.
c. Personalia
3) Menyelenggarakan suatu system dan prosedur pengadaan bahan mentah, barang setengah
jadi, bahan jadi, bahan pendukung proses produksi serta peralatan lain yang dibutuhkan oleh
perusahaan.
f. Manajer Produksi
g. Sekretaris
h. Marketing
1) Menyelenggarakan suatu sistem dan prosedur penjualan atas hasil produksi perusahaan.
3) Bertindak selaku sales person perusahaan yang berusaha menjual hasil produksi
perusahaan kepada calon pembeli.
i. Bagian Penggergajian Memotong bahan mentah sesuai dengan pola yang telah ditentukan.
j. Bagian Pengopenan Memilih bahan baku kayu sesuai kualitasnya kemudian dimasukkan
ke dalam open kayu dengan suhu 100 derajat, open kayu tersebut dibuat dengan kapasitas
900 kayu.
k. Perakitan Memasangkan bagian-bagian pola menjadi produk mentah yang sesuai dengan
pesanan.
n. Service Kayu
1) Pengepakan barang jadi dengan memberikan pencegahan kerusakan sebagai proses akhir.
p. Security
4. Bidang Usaha
5. Daerah Pemasaran
A. Tinjauan Teoritis
Pengertian prediksi menurut Eddy Herjanto (2008 : 78) mendefinisikan : “Prediksi adalah
proses peramalan di masa datang dengan lebih mendasarkan pada pertimbangan intuisi,
dalam prediksi juga sering digunakan data kuantitatif sebagai pelengkap informasi dalam
melakukan peramalan”.
Jay Heizer dan Barry Rounder yang telah diterjemahkan “Peramalan adalah seni dan ilmu
dalam memprediksi kejadian masa yang akan datang dengan menggunakan data masa lalu
dalam menentukan kejadian yang akan datang dengan pendekatan matematis.”
Dari uraian yang telah dipaparkan peneliti maka dapat ditarik sebuah kesimpulan bahwa
peramalan adalah ilmu atau seni yang digunakan sebuah manajemen dalam memprediksi
kejadian di masa yang akan datang dengan menggunakan data masa lalu yang diolah
menggunakan metode-metode tertentu.
Dalam bukunya Pengestu Subagyo (Forecasting Konsep dan Aplikasi tahun 2004). Metode
peramalan moving average dilakukan dengan mengambil sekelompok nilai pengamatan
yang kemudian dicari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan
untuk periode berikutnya. Istilah rata-rata bergerak digunakan, karena setiap kali data
observasi baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagi
ramalan.
BAB III
PEMBAHASAN
1. Single Moving Average
Single Moving Average adalah suatu metode peramalan yang dilakukan dengan mengambil
sekelompok nilai pengamatan, mencari nilai rata-rata tersebut sebagai ramalan untuk
periode yang akan datang. Metode Single Moving Average mempunyai karakteristik khusus
yaitu :
a. Untuk menentukan ramalan pada periode yang akan datang memerlukan data historis
selama jangka waktu tertentu. Misalnya, dengan 3 bulan moving average, maka ramalan
bulan ke 5 baru dibuat setelah bulan ke 4 selesai/berakhir. Jika bulan moving averages bulan
ke 7 baru bisa dibuat setelah bulan ke 6 berakhir.
b. Semakin panjang jangka waktu moving average, efek pelicinan semakin terlihat dalam
ramalan atau menghasilakan moving average yang semakin halus. Persamaan matematis
single moving averages adalah sebagai berikut :
Ft+1 = Xt+Xt-1+Xt-2……….+ Xt-n+1
N
Ft+1 = ramalan untuk period eke t+1
Xt =data pada periode ke t
N = jangka waktu rata- rata bergerak
Perhitungan menggunakan 4 bulan moving average ramalan bulan januari 2020 diitung
sebagai berikut:
F1 = X12 + X11 + X10 + X9
4
= 490 + 520 + 410 + 530
4
= 487
Jadi perkiraan permintaan yang terjadi di bulan januari 2020 sebesar 487
Keterangan :
Xt : Nilai data pada periode ke-t (bulanan)
S’t+1 : Nilai rata-rata bergerak tunggal pada waktu t (bulan)
S’’t : Nilai rata-rata bergerak ganda pada waktu t (bulan)
N : Banyaknya data masa lalu 𝛼t : Konstanta untuk m periode (bulan) ke muka
bt : Komponen kecenderungan
Ft+m : Nilai ramalan untuk t bulan ke depan
35
3 Maret 400 3 - - - -
36
4 April 320 0 - - - -
-
33 35 32 1
5 Mei 290 7 0 3 3 -
6 Juni 470
36 35 36 8 310
0 2 8
37 35 38 1
7 Juli 350 0 6 4 4 376
41 38 44 3
8 Agustus 415 2 1 3 1 399
Septemb 43 40 45 2
9 er 530 2 4 9 7 474
45 43 47 2
10 Oktober 410 2 2 2 0 486
Novemb 48 45 51 3
11 er 520 7 7 7 0 492
Desemb 47 47 47
12 er 490 3 1 6 3 547
Notasi matematika juga harus dikembangkan untuk membedakan antara sebuah nilai
nyata dari runtun waktu dan nilai ramalan. Â akan diletakkan di atas sebuah nilai untuk
mengindikasi bahwa hal tersebut sedang diramal. Nilai ramalan untuk Xt adalah 𝐹̂t .
Ketepatan dari teknik peramalan sering kali dinilai dengan membandingkan deret asli
X1,X2, ... dengan deret nilai ramalan𝐹̂1,𝐹̂2, ...
Beberapa metode lebih ditentukan untuk meringkas kesalahan (error) yang dihasilkan
oleh fakta (keterangan) pada teknik peramalan. Sebagian besar dari pengukuran ini
melibatkan rata-rata beberapa fungsi dari perbedaan antara nilai aktual dan nilai
peramalannya. Perbedaan antara nilai observasi dan nilai ramalan ini sering dimaksud
sebagai residual.
Persamaan dibawah ini digunakan untuk menghitung error atau sisa untuk tiap periode
peramalan.
𝑒𝑡 = 𝑋𝑡 − 𝐹̂ 𝑡 … … … … … … … … … (2.7)
Keterangan :
Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode
peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian dijumlahkan dan
dibagi dengan jumlah observasi. Pendekatan ini mengatur kesalahan peramalan yang besar
karena kesalahan-kesalahan itu dikuadratkan. Suatu teknik yang menghasilkan kesalahan
moderat mungkin lebih baik untuk salah satu yang memiliki kesalahan kecil tapi kadang-
kadang menghasilkan sesuatu yang sangat besar. Berikut ini rumus untuk menghitung
MSE :